北京市通州區風雹災害風險評估與區劃

摘要以鄉鎮（街道）為風險評估單元，以人口和社會經濟作為承災體，根據聯合國人道主義事務部的風險表達式，利用自然災害風險指數法建立風雹災害風險評估模型；利用指標體系法評估承災體的脆弱性狀態，根據加權綜合評分法建立脆弱性評估模型，分析15個鄉鎮（街道）短時大風、冰雹災害的危險性、承災體的脆弱性，對風雹災害風險進行評估，利用系統聚類方法對風險評估結果進行區劃。結果表明，通州短時大風風險高值區在宋莊、潞城、漷縣，低值區在西集鎮、于家務鄉、新華街道；冰雹風險高值區在潞城、西集鎮，低值區在北苑、新華、玉橋街道及梨園、馬駒橋、于家務鄉（鎮）；風雹災害風險高值區在宋莊、潞城、漷縣，低值區在新華、玉橋街道、馬駒橋鎮、于家務鄉（鎮）。

關鍵詞短時大風；冰雹；風雹災害；風險評估；區劃

中圖分類號S427文獻標識碼

A文章編號0517-6611（2015）29-219-04

通州區位于北京市東南部，下轄北苑、中倉、新華、玉橋4個街道及宋莊、永順、梨園、潞城、臺湖、張家灣、西集、馬駒橋、于家務、漷縣、永樂店11 個鄉鎮。夏季強對流天氣帶來的風雹是重要的災害性天氣，雷暴大風、冰雹等中小尺度天氣現象具有強度大、時間短、破壞力強等特點，常給農業生產和人民生活造成嚴重影響。2013年6月24日晚，張家灣鎮瞬時風速達到8級，一些大樹被連根拔起，導致20多間房屋受損，村民受傷。2014年6月26日傍晚，永樂店鎮遭遇大風、冰雹、暴雨強對流天氣， 5 400多棵樹木被刮倒，681.3 hm2農田受損，2 000多戶房屋受損。開展風雹災害風險評估是通州防災減災工作的必要環節。

目前，風雹災害研究主要集中在災情評估和農作物災損評估，一般利用災情和農作物災損資料，應用灰色系統分析、信息擴散理論、模糊數學及災損模型法進行災情評估和農作物災損評估。如賀一梅等選取農作物受災率、成災率等指標，運用模糊聚類方法對云南金沙江流域風雹災害進行區劃；尹圓圓等構建災害損失模型對安徽省棉花雹災的災損風險進行評價。隨著防災減災工作的需要，一些學者開展風雹災害風險評估與區劃研究，如李蒙等基于GIS技術從敏感性、危險性和易損性3個方面對云南煙區冰雹災害風險進行評價，董鵬捷等、扈海波等利用地形敏感性、致災危險性、人口脆弱性3個指數評估北京地區的冰雹災害風險。強對流天氣系統引起的冰雹常常伴隨大風，風雹災害對社會經濟特別是農業生產的影響較大。該研究以鄉鎮（街道）為評估單元，以人口和社會經濟為承災體，利用災害風險模型法并結合GIS空間分析技術對冰雹、短時大風2種災害風險分別進行評估，然后綜合得到風雹災害風險，以期為地方政府災害風險管理與決策提供理論依據。

1資料與方法

1.1資料來源

所用研究資料包括1956～2013年通州國家氣象站、2010～2013年通州區11個區域自動站觀測資料及北京市1∶10 000基礎地理信息數據，均來自北京市氣象局信息中心；通州區鄉鎮（街道）社會經濟數據來自通州區統計局。

1.2風雹災害風險評估方法與指標體系

歷史氣象要素以旬、月、甚至年的插值精度較好，連續性較強的氣象要素如氣溫等的空間插值精度較高。有研究發現，對于降水數據，在時間尺度由年到月到日的變化過程中，插值精度明顯下降，時間尺度越小插值結果的不確定性越大。一般的空間插值方法不太適用于時間尺度較短、局地性較強的雷暴大風和冰雹。再者，社會經濟指標一般以鄉鎮（街道）為單位統計，其空間化受諸多自然地理、社會經濟要素的影響，需要構建復雜的模型，簡單的反距離加權、多項式回歸、克里格等插值方法無法真實反映其空間分布狀況。鑒于此，該研究不采用柵格數據，而以行政區劃的鄉鎮（街道）作為評估單元。

根據聯合國人道主義事務部的風險表達式：風險度（R）=危險度（H）×脆弱度（V）[15]，利用自然災害風險指數法建立災害風險評估模型：

DRIj=HWHj×VWVj （j=1，2） （1）

式中，j=1，2分別代表短時大風、冰雹；DRIj為第j種風雹災害風險指數，其值越大，則風險程度越大；Hj、Vj分別為第j種風雹災害的危險性、承災體的脆弱性，WH、WV分別為其權重系數，取為0.60、0.40。

對短時大風、冰雹風險指數累積求和得到風雹災害綜合風險：

DRI=2j=1DRIj （2）

風雹災害致災因子危險性選用5～9月短時大風、冰雹的頻次來表征。在脆弱性形成機制還沒有研究透徹的情況下，指標體系是目前脆弱性評估最常用的方法。在此利用指標體系法評估風雹災害下研究單元的脆弱性狀態。脆弱性主要取決于承災體的社會經濟屬性，一般認為社會經濟條件可以反映區域的災損敏感度。考慮短時大風、冰雹對人口和社會經濟的具體影響及指標的可取性選取脆弱性評估指標。

大風主要給環境造成機械損傷和破壞，如毀屋拔樹，導致人員直接或間接傷亡，造成農作物折枝損葉、落花落果、授粉不良、倒伏、斷根和落粒。冰雹能損壞房屋、樹木，造成人員傷亡，農作物折技損葉、落花落果，甚至毀壞莊稼，導致作物減產甚至顆粒無收。相同等級的風雹災害在不同地區所造成的損失程度不同，人口稠密、種植養殖面積大、農林業發達地區的損失往往比農業欠發達地區要大得多。選取人口密度、耕地面積比、農林牧漁業占GDP比例、經濟林面積比、溫室花房面積比反映鄉鎮（街道）風雹災害的脆弱狀態。人口密度、農林牧漁業占GDP比例利用GIS分析功能進行計算，耕地面積比、經濟林面積比、溫室花房面積比從北京市1∶10 000基礎地理信息數據中提取并計算。風雹災害的脆弱性指標體系如表1所示。

對脆弱性指標值采用極差法進行歸一化處理，利用加權綜合評分法建立風雹災害脆弱性評價模型：

V=mi=1XVi·WVi （3）

式中，XVi為風雹災害脆弱性指標i的量化值；m為脆弱性指標個數；WVi為指標i的權重，利用層次分析法確定。

2結果與分析

2.1風雹災害危險性分析

夏季伴隨強對流天氣發生的短時大風主要出現在5～9月。統計2010～2013年通州站及鄉鎮區域自動站5～9月逐日極大風速，計算短時大風的發生頻率，利用自然斷點分級法，將頻率值劃分為4個等級。由圖1可見，短時大風危險性高值區分布在宋莊、潞城、梨園、臺湖、張家灣、漷縣鎮，較高值區在永順鎮，較低值區在北苑等4個街道及馬駒橋、永樂店鎮，低值區在西集鎮和于家務鄉。

經統計，通州人工觀測站1956～2013年冰雹發生總日數為51 d，最早出現在4月9日（1974年），最晚出現在10月1日（1959年）。夏季（6～8月）最多，發生31 d，占總日數的60.8%；春季出現15 d，占總日數的29.4%；秋季出現5 d，僅占總日數的9.8%；一年中以6月最多，共發生15 d，占總日數的29.4%。根據通州1980～2009年冰雹災情資料，繪制冰雹日數空間分布。由圖2可見，永順、潞城、西集鎮為冰雹高發區。

43卷29期高曉容等北京市通州區風雹災害風險評估與區劃

2.2風雹災害承災體脆弱性分析

計算鄉鎮（街道）人口密度、耕地面積比、農林牧漁業占GDP比例、經濟林面積比、溫室花房面積比的歸一化值，根據承災體脆弱性評估模型（公式3）計算鄉鎮（街道）脆弱性指數值，利用自然斷點法對脆弱性指數值進行區劃。由通州風雹災害脆弱性指數空間分布（圖3）可見，脆弱性高值區在永樂店、西集和漷縣，較高值區在宋莊、梨園、潞城、馬駒橋、于家務，較低值區在北苑、中倉街道及永順、臺湖、張家灣，低值區在新華、玉橋街道。對照承災體脆弱性各指標值發現，永樂店鎮耕地面積比例和農林牧漁業占GDP比例最大，而人口密度最低，其脆弱性指數最大；西集鎮經濟林面積比最大，農林牧漁業占GDP比例較高，導致其脆弱性指數較高；漷縣鎮耕地面積比例、農林牧漁業占GDP比例和耕地面積比較高，導致其脆弱性指數也比較高；新華、玉橋街道農林牧漁業占GDP比例、經濟林面積比和耕地面積比均為最低，雖然人口密度較高，其脆弱性指數還是比較小。

2.3風雹災害風險評價

綜合致災因子危險性、承災體脆弱性，根據災害風險評估模型（公式1）計算短時大風、冰雹

風險指數，利用系統聚類方法[19]對風險指數值進行區劃。

由圖4可見，短時大風風險高值區在宋莊、潞城、漷縣，較高值區在永順、梨園、臺湖、張家灣、永樂店鎮，較低值區在北苑、中倉、玉橋街道及馬駒橋鎮，低值區在新華街道、西集鎮、于家務鄉；冰雹風險高值區在潞城、西集鎮，較高值區在宋莊、永順、張家灣、漷縣、永樂店鎮，較低值區在中倉街道、臺湖鎮；低值區在北苑、新華、玉橋街道及梨園、馬駒橋、于家務鄉（鎮）。

對鄉鎮（街道）短時大風、冰雹風險指數累積求和得到風雹災害綜合風險指數。從風雹災害綜合風險區劃（圖5）可看出，綜合風險高值區在宋莊、潞城、漷縣，較高值區在永順、梨園、臺湖鎮、張家灣、永樂店鎮，較低值區在北苑、中倉街道及西集鎮，低值區在新華、玉橋街道及馬駒橋、于家務鄉（鎮）。

3結論與討論

（1）一般的空間插值方法不太適用于時間尺度較短、局地性較強的短時大風和冰雹；以鄉鎮（街道）為統計單位的社會經濟指標利用簡單的反距離加權、多項式回歸、克里格等插值方法無法真實反映其空間分布；地方政府管理也一般以行政區劃為單位進行。因此，該研究以鄉鎮（街道）作為風險評估單元。

（2） 短時大風危險性高值區分布在宋莊、梨園、臺湖、潞城、張家灣、漷縣鎮，低值區在西集和于家務鄉（鎮）。冰雹高發區在永順、潞城、西集鎮。承災體脆弱性高值區在永樂店、西集和漷縣，低值區在新華、玉橋街道。

（3） 短時大風風險高值區在宋莊、潞城、漷縣，低值區在西集鎮、于家務鄉、新華街道；冰雹風險高值區在潞城、西集鎮，低值區在北苑、新華、玉橋街道及梨園、馬駒橋、于家務鄉（鎮）。風雹災害綜合風險高值區在宋莊、潞城、漷縣，低值區在新華、玉橋街道及馬駒橋鎮、于家務鄉（鎮）。

（4）

目前，社會經濟脆弱性量化評估仍是探索性研究，指標體系法是主要的評估方法，指標體系的選取與構建及更為客觀的權重賦值方法應是今后研究的重點。由于區域自動觀測站建站較晚，數據序列較短；另一方面，通州正處在北京城市副中心的快速建設中，近年社會經濟數據變化較大。因

此，該研究進行的風雹災害風險評估需在今后不斷優化完善。

參考文獻

[1]

劉偉東，扈海波，程叢蘭，等.灰色關聯度方法在大風和暴雨災害損失評估中的應用[J].氣象科技，2007，35（4）：563-566.

[2] 陳家金，王加義，楊凱，等.基于信息擴散理論的福建省農作物風雹災害風險評估[J].中國農業氣象，2011，32（S1）：184-187.

[3] 雷曉云，張立新，鄧西寶.新疆生產建設兵團農業風雹災害風險評估[J].干旱區研究，2005，22（3）：341-344.

[4] 賀一梅，李云輝.云南省金沙江流域風雹災害區劃研究[J].山地學報，2002，20（S1）：69-73.

[5] 胡亞南，李闊，許吟隆.1951- 2010年華北平原農業氣象災害特征分析及糧食減產風險評估[J].中國農業氣象，2013，34（2）：197-203.

[6] 尹圓圓，王靜愛，趙金濤，等.棉花冰雹災害風險評價：以安徽省為例[J].安徽農業科學，2012，40（25）：12506-12509.

[7] 李蒙，朱勇，吉文娟.基于GIS的云南煙區冰雹災害風險評價[J].中國農業氣象，2012，33（1）：129-133.

[8] 翟志宏，姜會飛，葉彩華，等.基于概率分布模型的北京地區冰雹災害風險區劃[J].中國農業大學學報，2008，13（6）：49-53.

[9] 董鵬捷，吳正華.北京2008年奧運期間冰雹災害風險評估模型研究[J].暴雨災害，2008，27（2）：104-108.

[10] 扈海波，董鵬捷，熊亞軍，等.北京奧運期間冰雹災害風險評估[J].氣象，2008，34（12）：84-89.

[11] 劉彩紅，王黎俊，王振宇，等.基于災損評估的青海高原冰雹災害風險區劃[J].冰川凍土，2012，34（6）：1409-1415.

[12] 莊立偉，王石立.東北地區逐日氣象要素的空間插值方法應用研究[J].應用氣象學報，2003，14（5）：605-615.

[13] 朱會義，賈紹鳳.降水信息空間插值的不確定行分析[J].地理科學進展，2004，23（2）：34-42.

[14] 杜國明.人口數據空間化方法與實踐[M].北京：中國農業出版社，2008：84-98.

[15] 葛全勝，鄒銘，鄭景云，等.中國自然災害風險綜合評估初步研究[M].北京：科學出版社，2008：136-137，173-176.

[16] 張斌，趙前勝，姜瑜君.區域承災體脆弱性指標體系與精細量化模型研究[J].災害學，2010，25（2）：36-40.

[17] 馬國斌，李京，蔣衛國，等.基于氣象預測數據的中國洪澇災害危險性評估與預警研究[J].災害學，2011，26（3）：8-12.

[18] 陳磊，徐偉，周忻，等.自然災害社會脆弱性評估研究：以上海市為例[J].災害學，2012，27（1）：98-100.

[19] 唐啟義.DPS數據處理系統：試驗設計、統計分析與數據挖掘[M].北京：科學出版社，2010：719-726.